استخراج ویژگی دارای نقشی ارزنده در پردازش تصاویر ابرطیفی است. در سالهای اخیر روشهای گوناگونی برای استخراج ویژگیهای کارآمد تصاویر ابر طیفی ارائه شده است. اخیرا تحلیل طیفی تکین شامل ویرایش معمولی آن در حوزه طیفی و تحلیل طیفی تکین دو بعدی در حوزه مکانی با موفقیت برای استخراج ویژگی در تصاویر ابرطیفی بکار گرفته شده است. با این حال عدم توفیق در استخراج ویژگیهای مؤثر طیفی ـ مکانی مشترک به عنوان یکی از اشکالات این دو الگوریتم به شمار می رود. در این مقاله برای غلبه بر این اشکال، یک توسعه سه بعدی از تحلیل طیفی تکین ارائه شده است. اعمال مدل پیشنهادی به تصاویر ابرطیفی منجر به حذف مؤلفه های نویزی شده و توانایی تشخیص ویژگیها بسیار بهبود می یابد. در این پژوهش، از دو مجموعه داده در دسترس عموم برای انجام آزمایشها استفاده شده است. نتایج آزمایشگاهی نشان می دهد که روش پیشنهادی ما عملکرد امیدوار کننده ای دارد به گونه ای که روی مجموعه داده ابرطیفی ایندیانا و دانشگاه پاویا به ترتیب دقت طبقه بندی حداقل 1/93% و 1/27% را در مقایسه با سایر روشهای اخیر کسب نموده است. تفاصيل المقالة

Several factors are affected images' contrast and eliminated details in images. Therefore, contrast enhancement is a critical process for any visual machine algorithms. To achieve this purpose, in this paper, a novel algorithm based on 2-D histogram and clipped histogram is introduced. To improve the performance of the algorithm, the histogram is divided into three sub-histograms based on mean and standard deviation. For each sub-histogram image, clipped histogram is calculated, separately. The threshold for clipping of histogram is obtained based on median of 2-D histogram of image. Based on the pervious researches we know that the desired distribution for 2-D histogram is Gaussian distribution. Hence, we introduce a novel iterative algorithm for transforming the available histogram to desired histogram. On the other words, our method modifies image histogram to improve its contrast. Our proposed method is based on Skewness, where algorithm is attempted to minimize the absolute value of Skewness. The performance of the algorithm is compared by several algorithms based on different factors. Simulation results indicate the proposed algorithm has the best performance than other algorithms. تفاصيل المقالة